劉博宇

摘要：針對現(xiàn)有目標(biāo)檢測算法難以在遙感圖像中對小目標(biāo)進(jìn)行高精度檢測的問題，本文提出了一種基于YOLOv5s的遙感圖像小目標(biāo)檢測改進(jìn)算法。采用Mosaic mix對原有數(shù)據(jù)增強(qiáng)方式進(jìn)行改進(jìn)，豐富了樣本數(shù)據(jù)集;在網(wǎng)絡(luò)結(jié)構(gòu)中引入CBAM注意力模塊，引導(dǎo)模型對小目標(biāo)信息的關(guān)注，提升了網(wǎng)絡(luò)針對小目標(biāo)的檢測性能。結(jié)果表明，改進(jìn)后的算法相較于原始YOLOv5s的MAP值（IOU0.5）提升了3.12%，相較于YOLOv3算法也漲幅了1.35%。

關(guān)鍵詞：YOLOv5s算法;小目標(biāo);數(shù)據(jù)增強(qiáng);CBAM注意力模塊

現(xiàn)階段目標(biāo)檢測算法可分為兩大類，一種為以R-CNN[2-3]為代表的雙階段檢測，另一種為以SSD[4]、YOLO[5]為代表的單階段檢測。本文以YOLOv5s模型作為基礎(chǔ)針對小目標(biāo)進(jìn)行改進(jìn)工作。

1 YOLOV5s算法

YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)主要由主干網(wǎng)絡(luò)（Backbone）、頸部（Neck）、頭部（Head）三部分組成。在主干網(wǎng)絡(luò)Backbone部分，主要完成對輸入圖像的特征提取，其中包含卷積模塊（CONV）、瓶頸模塊（C3）以及金字塔池化（SPPF）。C3能夠提升網(wǎng)絡(luò)殘差學(xué)習(xí)能力及網(wǎng)絡(luò)運(yùn)算速度。頸部Neck為特征融合網(wǎng)絡(luò)，采用自頂向下與自底向上聯(lián)合的特征融合方式，更好地融合了多尺度特征[6]。頭部Head輸出了包含類別概率、對象得分及輸出框位置的向量，網(wǎng)絡(luò)通過各檢測層輸出的向量生成目標(biāo)的預(yù)測邊界框及類別概率。

2 改進(jìn)的YOLOv5算法

2.1改進(jìn)數(shù)據(jù)增強(qiáng)

Mosaic數(shù)據(jù)增強(qiáng)是對圖片進(jìn)行隨機(jī)抽取、剪切、排列的操作方法。任意選取數(shù)據(jù)集中的4張圖片按順序拼接，最后縮放裁切為固定尺寸作為一張新的數(shù)據(jù)集圖片輸入模型。由于原始Mosaic數(shù)據(jù)增強(qiáng)中拼接方式隨機(jī)性較強(qiáng)、空間利用率不高，使得輸入模型的數(shù)據(jù)多為背景信息。針對小目標(biāo)在檢測時精度低、易漏檢的問題，本文將原有的4張圖片擴(kuò)充至9張。改進(jìn)后一方面能夠減少無用信息輸入、提高模型訓(xùn)練效率;另一方面增加小目標(biāo)出現(xiàn)的概率、豐富數(shù)據(jù)集。

在此基礎(chǔ)上，我們對Mosaic數(shù)據(jù)增強(qiáng)進(jìn)行更深層次的探究。在原先只利用一種Mosaic增強(qiáng)方法的基礎(chǔ)上，提出了Mosaic mix數(shù)據(jù)增強(qiáng)方式。即按照不同比例對數(shù)據(jù)集分別進(jìn)行Mosaic 1（不進(jìn)行圖片拼接，只進(jìn)行旋轉(zhuǎn)、縮放、色調(diào)增強(qiáng)等處理）、Mosaic 4及Mosaic 9的數(shù)據(jù)增強(qiáng)處理。此種方式一方面能夠使得訓(xùn)練集的尺度變換特性更加多樣，豐富原有數(shù)據(jù)集中的小目標(biāo)樣本;另一方面能夠提升網(wǎng)絡(luò)對小目標(biāo)的特征學(xué)習(xí)能力，增強(qiáng)網(wǎng)絡(luò)的魯棒性。

2.2 CBAM注意力模塊

CBAM模塊中包含了通道注意力模塊及空間注意力模塊，并能將二者高效融合。相較于傳統(tǒng)的單通道注意力機(jī)制，CBAM擁有更加良好的檢測效果。本文在YOLOv5sSPPF操作之前，以及每一次尺度預(yù)測前分別添加CBAM模塊。此時，注意力模塊一方面能夠在信息完備的檢測圖上實現(xiàn)特征增強(qiáng);另一方面能夠獲取更準(zhǔn)確的特征信息，提高檢測準(zhǔn)確性。

3 實驗與分析

本文利用哈爾濱工業(yè)大學(xué)遙感數(shù)據(jù)集進(jìn)行訓(xùn)練及測試，采用MAP（均值平均精度）作為評價指標(biāo)，與原始YOLOv5網(wǎng)絡(luò)及YOLOv3網(wǎng)絡(luò)進(jìn)行對比。

3.1 數(shù)據(jù)集及預(yù)處理

哈爾濱工業(yè)大學(xué)遙感圖像數(shù)據(jù)集包含4500幅目標(biāo)圖像，目標(biāo)種類包括汽車、飛機(jī)、艦船，共3類。對上述目標(biāo)圖像按4：1的比例分為訓(xùn)練集以及測試集。

3.2 網(wǎng)絡(luò)訓(xùn)練環(huán)境

本實驗采用的訓(xùn)練環(huán)境為：Pytorch深度學(xué)習(xí)框架;YOLOv5 6.0版本

訓(xùn)練時設(shè)置的參數(shù)：Batchsize為64;初始學(xué)習(xí)率為0.01%;訓(xùn)練總迭代次數(shù)為800。

3.3 結(jié)果分析

（1）數(shù)據(jù)增強(qiáng)改進(jìn)

Mosaic mix最終MAP值可達(dá)83.26%，相對于針對小目標(biāo)檢測的YOLOv3算法（MAP值81.91%）也漲幅了1.35%。

（2）CBAM注意力模塊

通過對比原始YOLOv5s與引入注意力機(jī)制后的模型測試結(jié)果，人眼都較難識別正確的小目標(biāo)車輛，本文改進(jìn)后的目標(biāo)檢測器卻能正確識別并能夠提升原有小目標(biāo)的檢測概率，說明本文引入CBAM注意力模塊后，確實提升了模型的小目標(biāo)檢測能力。

4結(jié)束語

針對小目標(biāo)在目標(biāo)檢測中存在的精度低、易漏檢的問題，本文提出一種改進(jìn)的YOLOv5模型。模型基于Mosaic mix數(shù)據(jù)增強(qiáng)及CBAM注意力模塊。實驗表明，本文提出的改進(jìn)方法能夠快速、準(zhǔn)確地檢測出遙感圖像中的小目標(biāo)，MAP值可達(dá)83.26%，同時可檢測出諸多原始模型漏檢的小目標(biāo)。下一步將對復(fù)雜背景下的遙感圖像小目標(biāo)檢測進(jìn)行研究。

參考文獻(xiàn)（References）

[1] Girshick R， Donahue J， Darrell T. Rich feature hierarchies for accurate object detection and semantic segmentation. 2014 IEEE Conference on Computer Vision and Pattern Recognition. Columbus： IEEE，2014， 580–587

[2] Girshick R. Fast R-CNN. 2015 IEEE International Conference on Computer Vision （ICCV）. Santiago： IEEE， 2015， 1440–1448.

[3] Liu W， Anguelov D， Erhan D. SSD： Single shot multibox detector.European Conference on Computer Vision. Cham： Springer， 2016，21–37

[4] Redmon J， Divvala S， Girshick R. You only look once： Unified， realtime object detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Las Vegas： IEEE， 2016， 779–788.

[5] ZHU L L，GENG X，LI Z，et al.Improving YOLOv5 with Attention Mechanism for Detecting Boulders from Planetary Images[J]. Remote Sensing，2021，13（18）：152-161.